针对当前林业害虫检测方法检测速度慢、准确率较低和存在漏检误检等问题，提出一种基于注意力模型和轻量化YOLOv4的林业害虫检测方法。首先构建数据集，使用几何变换、随机色彩抖动和Mosaic数据增强技术对数据集进行预处理；其次将YOLOv4的主干网络替换为轻量化网络MobileNetV3，并在改进后的路径聚合网络（PANet）中添加卷积块注意力模块（CBAM），搭建改进的轻量化YOLOv4网络模型；然后引入Focal Loss优化YOLOv4网络模型的损失函数；最后将预处理后的数据集输入到改进后的网络模型中，输出包含害虫种类和位置信息的检测结果。实验结果表明，该网络的各项改进点对模型的性能提升都有效；相较于原YOLOv4模型，新模型的检测速度更快，平均精度均值（mAP）更高，并且能有效解决漏检和误检问题。新模型优于目前的主流网络模型，能满足林业害虫实时检测的精度和速度要求。
